--- title: "📊 Análise de Desempenho Acadêmico" subtitle: "Departamento de Estatística - Universidade de Wisconsin-Madison" author: "João Eduardo Pastori Garcia" date: "`r Sys.Date()`" format: html: theme: - cosmo - custom.scss toc: true toc-depth: 3 toc-location: left toc-title: "Navegação" code-fold: true code-summary: "Ver Código" code-tools: true embed-resources: true standalone: true page-layout: full fig-cap-location: bottom fig-align: center number-sections: true smooth-scroll: true link-external-newwindow: true execute: echo: false eval: true warning: false message: false cache: false --- # 🎓 Análise Acadêmica UW-Madison ### Explorando padrões de desempenho no Departamento de Estatística ```{r setup} #| include: false # Carregar bibliotecas suppressPackageStartupMessages({ library(readr); library(dplyr); library(tidyr) library(DBI); library(RSQLite) library(DT); library(ggplot2); library(plotly) library(htmltools); library(bslib) ; library(stringr) }) # Configurar tema ggplot theme_set(theme_minimal(base_size = 12) + theme( plot.title = element_text(size = 16, face = "bold", margin = margin(b = 20)), plot.subtitle = element_text(size = 12, color = "gray50"), panel.grid.minor = element_blank(), plot.background = element_rect(fill = "white", color = NA), panel.background = element_rect(fill = "white", color = NA) )) # Conectar ao banco SQLite conn <- dbConnect(RSQLite::SQLite(), "uwmadison.sqlite3") ``` ```{r import-data} #| include: false # Importar CSVs para o banco se necessário csv_dir <- "archive" mapping <- list( instructors = "instructors.csv", teachings = "teachings.csv", sections = "sections.csv", course_offerings = "course_offerings.csv", courses = "courses.csv", subject_memberships = "subject_memberships.csv", subjects = "subjects.csv", grade_distributions = "grade_distributions.csv" ) for(tbl in names(mapping)) { if(!tbl %in% dbListTables(conn)) { df <- readr::read_csv(file.path(csv_dir, mapping[[tbl]]), show_col_types = FALSE) DBI::dbWriteTable(conn, tbl, df, overwrite = TRUE) } } # Transformar grade_distributions em formato longo df_gd <- dbReadTable(conn, "grade_distributions") grades_long <- df_gd %>% select(course_offering_uuid, section_number, a_count, ab_count, b_count, bc_count, c_count, d_count, f_count) %>% pivot_longer( cols = ends_with("_count"), names_to = "grade", values_to = "count" ) %>% mutate( grade = case_when( grade == "a_count" ~ "A", grade == "ab_count" ~ "AB", grade == "b_count" ~ "B", grade == "bc_count" ~ "BC", grade == "c_count" ~ "C", grade == "d_count" ~ "D", grade == "f_count" ~ "F", TRUE ~ NA_character_ ) ) %>% filter(!is.na(grade) & count > 0) dbWriteTable(conn, "grades_long", grades_long, overwrite = TRUE) ``` ```{r query-data} #| include: false # Consulta: Professores STAT professores <- dbGetQuery(conn, " SELECT DISTINCT i.id AS instructor_id, i.name AS professor FROM instructors i JOIN teachings t ON i.id = t.instructor_id JOIN sections s ON t.section_uuid = s.uuid JOIN course_offerings co ON s.course_offering_uuid = co.uuid JOIN subject_memberships sm ON co.uuid = sm.course_offering_uuid JOIN subjects sub ON sm.subject_code = sub.code WHERE sub.abbreviation = 'STAT' ORDER BY i.name; ") # Consulta: GPA por seção gpa_sec <- dbGetQuery(conn, " SELECT s.uuid AS section_uuid, i.name AS professor, c.number AS course_number, c.name AS course_name, co.term_code AS term_code, SUM(gl.count) AS total_students, ROUND( SUM( CASE gl.grade WHEN 'A' THEN gl.count * 4.0 WHEN 'AB' THEN gl.count * 3.5 WHEN 'B' THEN gl.count * 3.0 WHEN 'BC' THEN gl.count * 2.5 WHEN 'C' THEN gl.count * 2.0 WHEN 'D' THEN gl.count * 1.0 WHEN 'F' THEN gl.count * 0.0 END ) / SUM(gl.count), 3 ) AS gpa FROM sections s JOIN teachings t ON s.uuid = t.section_uuid JOIN instructors i ON t.instructor_id = i.id JOIN course_offerings co ON s.course_offering_uuid = co.uuid JOIN courses c ON co.course_uuid = c.uuid JOIN subject_memberships sm ON co.uuid = sm.course_offering_uuid JOIN subjects sub ON sm.subject_code = sub.code JOIN grades_long gl ON gl.course_offering_uuid = co.uuid AND gl.section_number = s.number WHERE sub.abbreviation = 'STAT' GROUP BY s.uuid, i.name, c.number, c.name, co.term_code ORDER BY gpa; ") # Análise por professor prof_gpa <- gpa_sec %>% group_by(professor) %>% summarise( avg_gpa = round(mean(gpa), 3), n_sections = n(), n_students = sum(total_students), .groups = "drop" ) %>% arrange(avg_gpa) # Análise por disciplina disc_gpa <- gpa_sec %>% mutate(code = paste0("STAT ", course_number)) %>% group_by(code, course_name) %>% summarise( avg_gpa = round(mean(gpa), 3), n_sections = n(), n_students = sum(total_students), .groups = "drop" ) %>% arrange(avg_gpa) ``` # Resumo Executivo {.tabset} ## 📈 Principais Insights `r nrow(professores)` `r nrow(disc_gpa)` `r nrow(gpa_sec)` `r format(sum(gpa_sec$total_students), big.mark = ",")` `r prof_gpa$n_sections[1]` \| Estudantes: `r prof_gpa$n_students[1]` `r prof_gpa$n_sections[nrow(prof_gpa)]` \| Estudantes: `r prof_gpa$n_students[nrow(prof_gpa)]` ## 📊 Dados Detalhados ### Base de Professores ```{r professores-table} professores %>% DT::datatable( colnames = c("ID do Instrutor", "Nome do Professor"), options = list( pageLength = 15, scrollY = "400px", scrollCollapse = TRUE, dom = 'Bfrtip', buttons = c('copy', 'csv', 'excel', 'print'), language = list( search = "Pesquisar:", lengthMenu = "Mostrar _MENU_ entradas", info = "Mostrando _START_ a _END_ de _TOTAL_ entradas", paginate = list(previous = "Anterior", `next` = "Próximo") ) ), extensions = 'Buttons', class = 'table-striped table-hover' ) %>% DT::formatStyle(columns = 1:2, fontSize = '14px') ``` # Análise de Desempenho por Professor ```{r prof-analysis} # Preparar dados para visualização (Top/Bottom 10) n_prof <- nrow(prof_gpa) top_prof <- prof_gpa %>% slice_head(n = 10) %>% mutate(categoria = "🔴 Mais Desafiadores") bot_prof <- prof_gpa %>% slice_tail(n = 10) %>% mutate(categoria = "🟢 Mais Acessíveis") prof_plot_data <- bind_rows(top_prof, bot_prof) %>% mutate( professor = str_trunc(professor, width = 25), label_text = paste0(professor, " GPA: ", avg_gpa, " | Estudantes: ", n_students) ) ``` ## Ranking de Professores {.tabset} ## 📊 Visualização Interativa ```{r prof-plot} #| fig-height: 8 #| fig-width: 12 p_prof <- ggplot(prof_plot_data, aes(x = reorder(professor, avg_gpa), y = avg_gpa, fill = categoria, text = label_text)) + geom_col(alpha = 0.8, width = 0.7) + coord_flip() + scale_fill_manual( values = c("🔴 Mais Desafiadores" = "#e74c3c", "🟢 Mais Acessíveis" = "#27ae60"), name = "" ) + labs( title = "📊 Ranking de Professores por GPA Médio", subtitle = "Top 10 Mais Desafiadores vs Top 10 Mais Acessíveis", x = "Professor", y = "GPA Médio", caption = "Dados: University of Wisconsin-Madison | Departamento de Estatística" ) + theme_minimal(base_size = 12) + theme( legend.position = "top", plot.title = element_text(size = 16, face = "bold"), plot.subtitle = element_text(size = 12, color = "gray50"), axis.text.y = element_text(size = 10), panel.grid.major.y = element_blank(), panel.grid.minor = element_blank() ) ggplotly(p_prof, tooltip = "text") %>% layout( legend = list(orientation = "h", x = 0.5, xanchor = "center", y = 1.02), margin = list(l = 150, r = 50, t = 100, b = 50) ) ``` ## 📋 Tabela Detalhada ```{r prof-table} prof_gpa %>% mutate( Posição = row_number(), Professor = professor, `GPA Médio` = avg_gpa, `Nº Seções` = n_sections, `Nº Estudantes` = n_students ) %>% select(Posição, Professor, `GPA Médio`, `Nº Seções`, `Nº Estudantes`) %>% DT::datatable( options = list( pageLength = 20, scrollY = "500px", scrollCollapse = TRUE, dom = 'Bfrtip', buttons = c('copy', 'csv', 'excel'), language = list( search = "Pesquisar professor:", lengthMenu = "Mostrar _MENU_ professores", info = "Mostrando _START_ a _END_ de _TOTAL_ professores" ) ), extensions = 'Buttons', class = 'table-striped table-hover' ) %>% DT::formatStyle( 'GPA Médio', backgroundColor = DT::styleInterval(c(3.0, 3.5), c('#ffebee', '#fff3e0', '#e8f5e8')) ) %>% DT::formatRound('GPA Médio', 3) ``` # Análise de Desempenho por Disciplina ```{r disc-analysis} # Preparar dados para visualização (Top/Bottom 10) n_disc <- nrow(disc_gpa) top_disc <- disc_gpa %>% slice_head(n = 10) %>% mutate(categoria = "🔴 Mais Desafiadoras") bot_disc <- disc_gpa %>% slice_tail(n = 10) %>% mutate(categoria = "🟢 Mais Acessíveis") disc_plot_data <- bind_rows(top_disc, bot_disc) %>% mutate( code_short = str_trunc(code, width = 12), label_text = paste0(code, " ", str_trunc(course_name, width = 30), " GPA: ", avg_gpa, " | Estudantes: ", n_students) ) ``` ## Ranking de Disciplinas {.tabset} ## 📊 Visualização Interativa ```{r disc-plot} #| fig-height: 8 #| fig-width: 12 p_disc <- ggplot(disc_plot_data, aes(x = reorder(code_short, avg_gpa), y = avg_gpa, fill = categoria, text = label_text)) + geom_col(alpha = 0.8, width = 0.7) + coord_flip() + scale_fill_manual( values = c("🔴 Mais Desafiadoras" = "#e74c3c", "🟢 Mais Acessíveis" = "#27ae60"), name = "" ) + labs( title = "📊 Ranking de Disciplinas por GPA Médio", subtitle = "Top 10 Mais Desafiadoras vs Top 10 Mais Acessíveis", x = "Disciplina", y = "GPA Médio", caption = "Dados: University of Wisconsin-Madison | Departamento de Estatística" ) + theme_minimal(base_size = 12) + theme( legend.position = "top", plot.title = element_text(size = 16, face = "bold"), plot.subtitle = element_text(size = 12, color = "gray50"), axis.text.y = element_text(size = 10), panel.grid.major.y = element_blank(), panel.grid.minor = element_blank() ) ggplotly(p_disc, tooltip = "text") %>% layout( legend = list(orientation = "h", x = 0.5, xanchor = "center", y = 1.02), margin = list(l = 100, r = 50, t = 100, b = 50) ) ``` ## 📋 Tabela Detalhada ```{r disc-table} disc_gpa %>% mutate( Posição = row_number(), Código = code, Disciplina = str_trunc(course_name, width = 50), `GPA Médio` = avg_gpa, `Nº Seções` = n_sections, `Nº Estudantes` = n_students ) %>% select(Posição, Código, Disciplina, `GPA Médio`, `Nº Seções`, `Nº Estudantes`) %>% DT::datatable( options = list( pageLength = 20, scrollY = "500px", scrollCollapse = TRUE, dom = 'Bfrtip', buttons = c('copy', 'csv', 'excel'), language = list( search = "Pesquisar disciplina:", lengthMenu = "Mostrar _MENU_ disciplinas", info = "Mostrando _START_ a _END_ de _TOTAL_ disciplinas" ) ), extensions = 'Buttons', class = 'table-striped table-hover' ) %>% DT::formatStyle( 'GPA Médio', backgroundColor = DT::styleInterval(c(3.0, 3.5), c('#ffebee', '#fff3e0', '#e8f5e8')) ) %>% DT::formatRound('GPA Médio', 3) ``` # Metodologia e Dados {.tabset} ## 📖 Sobre a Análise ### Objetivo ### Metodologia - **Fonte dos dados**: Sistema acadêmico UW-Madison- **Período analisado**: Dados históricos de múltiplos semestres- **Métrica principal**: GPA médio ponderado por número de estudantes- **Critérios de inclusão**: Apenas cursos do departamento de Estatística (STAT)### Cálculo do GPA - B = 3.0 pontos - BC = 2.5 pontos - C = 2.0 pontos - D = 1.0 ponto - F = 0.0 pontos### Limitações - Os dados refletem apenas o desempenho médio, não considerando fatores individuais- Professores com poucas seções podem ter estatísticas menos representativas\- Não foram consideradas variáveis como tamanho da turma ou modalidade do curso## 🔧 Especificações Técnicas ### Ferramentas Utilizadas - **Linguagem**: R (versão 4.4+)- **Banco de dados**: SQLite- **Visualização**: ggplot2 + plotly\- **Tabelas interativas**: DT (DataTables)- **Documento**: Quarto### Estrutura dos Dados ``` 📁 Tabelas principais: ├── instructors (professores) ├── courses (disciplinas) ├── sections (seções/turmas) ├── grade_distributions (distribuição de notas) └── subject_memberships (associações por departamento) ``` ### Processamento 1. **ETL**: Importação de CSVs para SQLite2. **Transformação**: Conversão de grade_distributions para formato longo3. **Agregação**: Cálculo de GPAs por professor e disciplina\4. **Visualização**: Geração de gráficos interativos e tabelas`r Sys.Date()` \[ GitHub ](https://github.com/seu-usuario) \| [ Email ](mailto:seu-email@email.com) ```{r cleanup} #| include: false dbDisconnect(conn) ``` `r Sys.Date()` com [ Quarto ](https://quarto.org) 📊